PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 459 Badania marketingowe - zmiany w metodologii i technikach badawczych | 265--276
Tytuł artykułu

Modele równań strukturalnych a zmienne mierzone na skali porządkowej polichorycznej w analizie danych marketingowych

Autorzy
Treść / Zawartość
Warianty tytułu
Structural Equation Models (SEM) and Variables Measured on The Polychoric Ordinal Scale in The Analysis of Marketing Data
Języki publikacji
PL
Abstrakty
Ponieważ większość zmiennych wykorzystywanych w badaniach marketingowych przyjmuje dyskretny format odpowiedzi, stąd w konstrukcji modeli równań strukturalnych (SEM) zamiast standardowo stosowanych miar, estymatorów (zarezerwowanych dla skal mocnych), powinno się stosować odpowiednie ich zamienniki. Badacz przystępujący do analizy SEM za pomocą estymatorów, takich jak ML czy GLS, otrzymuje obciążone: szacunki parametrów modelu i błędy standardowe oraz przeszacowane (zawyżone) statystyki dopasowania modelu chi-kwadrat. W niniejszym artykule autor rozważa dylematy metodologiczne w kontekście zmiennych mierzonych na skali porządkowej polichorycznej w procesie konstrukcji modelu równań strukturalnych (SEM). W tym celu przeprowadzono badanie ankietowe (N = 200) w zakresie którego do pomiaru zmiennych obserwowalnych wykorzystano 5 pkt skalę Likerta. W ramach oceny modelu SEM, rozpatrzono następujące metody estymacji: WLS, WLSk, DWLSkTM, DWLSkTMV, które następnie porównano z estymatorem ML(abstrakt oryginalny)
EN
In the hereby article, the author describes the methodological aspects in reference to the items/observed variables being measured on the basis of polychoric ordinal Likert scale, which can be used in the construction process of the structural equation models (SEM). With this objective in mind, there was designed and conducted a survey on the basis of data gathered from 200 sample units. Due to the applied measurement level (i.e., 5-point scale) for the observable variables, and the assessment of the parameter estimates, as well as the size of standard errors and descriptive statistics (indicating the goodness-of-fit of data to the SEM model), there were included, in the comparative analysis, the following estimation methods: ML,WLS, WLSk, DWLSkTM, DWLSKtmv(original abstract)
Twórcy
autor
  • Uniwersytet Ekonomiczny w Poznaniu
Bibliografia
  • Atkinson L., 1988, The measurement-statistics controversy: factor analysis and subinterval data, Bulletin of the Psychometric Society, vol. 26, s. 361-364.
  • Babakus E., Ferguson C.E. Jr., Jöreskog K.G., 1987, The sensitivity of confirmatory maximum likelihood factor analysis to violations of measurement scale and distributional assumptions, Journal of Marketing Research, vol. 24, s. 222-228.
  • Bartholomew D.J., 1987, Latent Variable Models and Factor Analysis, Oxford University Press, New York.
  • Birnbaum A., 1968, Some latent trait models, [w:] Lord F.M., Novick M.R. (eds.), Statistical Theories of Mental Test Scores, Addison Wesley, Reading, s. 397-424.
  • Bock R.D., 1972, Estimating item parameters and latent ability when responses are scored in two or more nominal categories, Psychometrika, vol. 37, s. 29-51.
  • Bollen K.A., Long J.S., 1993, Testing structural equation models, Sage Publications, Newbury Park.
  • Browne M.W., 1984, Asymptotic distribution free methods in the analysis of covariance structures, British Journal of Mathematical and Statistical Psychology, vol. 37, s. 127-141.
  • Green S.B., Akey T.M., Fleming K.K., Hersberger S.L., Marquis J.G., 1997, Effect of the number of scale points on chi-square fit indices in confirmatory factor analysis, Structural Equation Modeling, vol. 4, s. 108-120.
  • Hu L., Bentler P.M., 1998, Fit indices in covariance structure modeling: sensitivity to underparameterized model misspecification, Psychological Methods, vol. 3, s. 424-453.
  • Jöreskog K.G., 1990, New developments in LISREL: analysis of ordinal variables using polychoric correlations and weighted least squares, Quality and Quantity, vol. 24, s. 387-404.
  • Jöreskog K.G., 1994a, Structural equation modeling with ordinal variables, Multivariate Analysis and its Applications, vol. 24, s. 297-310.
  • Jöreskog K.G., 1994b, On the estimation of polychoric correlations and their asymptotic covariance matrix, Psychometrika, vol. 59, s. 381-389.
  • Jöreskog K.G., 2002, Structural Equation Modeling with ordinal variables using LISREL, http//www.ssicentral.com/lisrel/techdocs/ordinal.pdf.
  • Moustaki I., 2000, A latent variable model for ordinal variables, Applied Psychological Measurement, vol. 24, s. 211-223
  • Moustaki I., Jöreskog K.G., Mavridis D., 2004, Factor models for ordinal variables with covariate effects on the manifest and latent variables: a comparison of LISREL and IRT approaches, Structural Equation Modeling, vol. 11, s. 487-513.
  • Muthén B.O.,1983, Latent variable structural equation model with categorical data, Journal of Econometrics, vol. 22, s. 48-65.
  • Muthén B., 1984, A general structural equation model with dichotomous, ordered categorical, and continuous latent variable indicators, Psychometrika, vol. 49, s. 115-132.
  • Muthén B.O., 1993, Goodness of fit test with categorical and other nonnornral variables, [w:] Bollen K.A., Long J.S. (red.), Testing Structural Equation Models, Sage Publications, Newbury Park, s. 205-234.
  • Muthén B.O.,1994, Multilevel covariance structure analysis, Sociological Methods and Research, vol. 22, s. 376-398.
  • Muthén B.O., du Toit S.H., Spisic D., 1997, Robust inference using weighted least squares and quadratic estimation equations in latent variable modeling with categorical and continuous outcomes, http://www.statmodel.com/bmuthen/categorical.htm.
  • Muthén B.O., Kaplan D., 1985, A comparison of some methodologies for the factor analysis of non-normal Likert variables, British Journal of Mathematical and Statistical Psychology, vol. 38, s. 171-189.
  • Muthén B.O., Muthén L.K., 1998, Mplus: user's guide - the comprehensive modeling program for applied researchers, Muthén and Muthén, Los Angeles.
  • Muthén B.O., Satorra A., 1995, Technical aspects of the Muthén' LISCOMP approach to estimation of latent variable relations with a comprehensive measurement model, Psychometrika, vol. 60, s. 489-503.
  • Olsson U., 1979, Maximum likelihood estimation of the polychoric correlation coefficient, Psychometrika, vol. 44, s. 443-460.
  • Rasch G.,1960, Probabilistic Models for Some Intelligence and Attainment Tests, The Danish Institute for Educational Research, Copenhagen.
  • Sagan A., 2013, Zmienne ukryte w badaniach marketingowych, Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie, Kraków.
  • Samejima F., 1969, Estimation of Latent Ability Using A Response Pattern of Graded Scores, Psychometrika, Monograph, no. 17.
  • Satorra A., 1992, Asymptotic robust inferences in the analysis of mean and covariance structures, [w:] Marsden P.V. (red.), Sociological Methodology, Blackwell Publishers, Oxford England, s. 249-278.
  • Satorra A., Bentler P.M., 1994, Corrections to test statistics and standard errors in covariance structure analysis, [w:] von. Eye A., Clogg C.C. (red.), Latent Variables Analysis: Applications for Development Research, Sage Publications, Thousand Oaks, s. 399-419.
  • Tarka P., 2015, CFA MultiTrait - MultiMethod model in comparative analysis of 5, 7, 9 and 11 point scales, [w:] Wilhelm A, Kestler H. (red.), Studies in Classification, Data Analysis and Knowledge Organization: Analysis of Large and Complex Data, Springer, Berlin, s. 254-264 (w druku).
  • Wirth R.J., Edwards M.C., 2007, Item factor analysis: current approaches and future directions, Psychological Methods, vol. 12, s. 58-79.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171457943

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.